大语言模型 (LLM) 的技术发展进程突飞猛进，其中检索系统在这场技术飞跃中尤为突出。大语言模型 (LLM) 驱动智能体的检索能力，在通过使用工具、查看文件和规划信息交互的过程中表现尤为卓越。这些模型不仅仅是自动化工具，更是提升生产力的得力助手，能够通过与各种工具和文档交互，形成有效对话。本课程将探索这些系统的潜力，重点讲解如何在实践中部署系统和高效实施，以满足用户和深度学习模型的大量需求。通过深入探索大语言模型的复杂性，您将了解包括内部推理、对话管理和有效工具策略在内的高级编排技术。
通过学习，您将掌握大语言模型 (LLM) 系统的构建，通过结合内部和外部推理组件，实现可预测的交互。在实战练习中，学习部署可以灵活扩展的代理系统，以满足用户和客户不断变化的需求。本课程重点强调设计强大的对话管理和文档推理系统维护状态，并将信息转换为易于理解的结构化格式。同时，您还将学习利用嵌入模型进行高效的相似性查询，增强内容检索和生成对话护栏，以及探讨检索增强生成 (RAG) 模型的实施和模块化，无需任何微调即可通过浏览研究论文提供答案。
学习目标
参加本次培训，您将学到：
- 构建 LLM 系统，利用内部和外部推理组件实现与用户的可预测交互
- 设计对话管理和文档推理系统，用于维护状态并将信息强制转换为结构化格式
- 利用嵌入模型进行高效的内容检索的相似性查询和生成对话护栏
- 开发、模块化和评估检索增强生成 (RAG) 模型，无需任何微调即可回答有关研究论文数据集的问题
下载课程大纲文档 (PDF 508 KB)
